買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜福建宇邦紡織科技有限公司申請的專利基于多模態(tài)數(shù)據(jù)的印花布面疵點智能識別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119672484B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-27發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510193917.6，技術領域涉及：G06V10/80；該發(fā)明授權(quán)基于多模態(tài)數(shù)據(jù)的印花布面疵點智能識別方法是由王明輝;陳建雄;舒萬紅設計研發(fā)完成，并于2025-02-21向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于多模態(tài)數(shù)據(jù)的印花布面疵點智能識別方法在說明書摘要公布了：本發(fā)明涉及一種基于多模態(tài)數(shù)據(jù)的印花布面疵點智能識別方法，S1:使用高分辨率的RGB攝像機獲取印花布面全局圖像，并進行預處理；S2:基于圖像識別模型，識別潛在的疵點候選區(qū)域，并結(jié)合非最大值抑制以減少重疊的疵點候選區(qū)域；S3:通過近紅外攝像設備獲取疵點候選區(qū)域的圖像，并通過高光譜成像，獲取高光譜圖像；S4:從疵點候選區(qū)域的近紅外圖像、高光譜圖像中提取特征，并進行特征融合；S5:根據(jù)融合后的特征，基于多模態(tài)檢測模型，對疵點候選區(qū)域進行細粒度疵點識別與定位；S6:通過后處理步驟，去除虛假陽性并合并相鄰區(qū)域，提升疵點檢測精度，最后生成檢測報告。本發(fā)明能夠有效識別并評估印花布面疵點，實現(xiàn)高精度、高效率的檢測。

本發(fā)明授權(quán)基于多模態(tài)數(shù)據(jù)的印花布面疵點智能識別方法在權(quán)利要求書中公布了：1.基于多模態(tài)數(shù)據(jù)的印花布面疵點智能識別方法，其特征在于，包括以下步驟：S1:使用高分辨率的RGB攝像機獲取印花布面全局圖像，并進行預處理；S2:基于圖像識別模型，識別潛在的疵點候選區(qū)域，并結(jié)合非最大值抑制以減少重疊的疵點候選區(qū)域；S3:通過近紅外攝像設備獲取疵點候選區(qū)域的圖像，并通過高光譜成像，獲取高光譜圖像；S4:從疵點候選區(qū)域的近紅外圖像、高光譜圖像中提取特征，并進行特征融合；S5:根據(jù)融合后的特征，基于多模態(tài)檢測模型，對疵點候選區(qū)域進行細粒度疵點識別與定位，加入注意力機制，以提高對疵點復雜特征的捕捉能力；S6:通過后處理步驟，去除虛假陽性并合并相鄰區(qū)域，提升疵點檢測精度，最后生成檢測報告，標出疵點的位置、類型和可能面積，供操作人員對之后的工藝做出調(diào)整；所述圖像識別模型基于卷積特征提取網(wǎng)絡、區(qū)域建議網(wǎng)絡和FasterR-CNN構(gòu)建，具體如下：卷積特征提取網(wǎng)絡采用ResNet網(wǎng)絡，在圖像上提取豐富的特征表示；區(qū)域建議網(wǎng)絡RPN通過滑動窗口在特征圖上生成一組候選區(qū)域，每個窗口滑動到一個特征點時，產(chǎn)生不同尺度和寬高比的多個候選區(qū)域anchor；RPN使用二分類判別模型來確定每個anchor是否包含目標以及特定疵點類別；進一步通過回歸調(diào)整候選區(qū)域的精確邊界，損失函數(shù)為： ；其中，為候選區(qū)域被預測為某個類別的概率值；為候選區(qū)域的真實類別標簽；為預測的邊界框回歸參數(shù)；為真實的邊界框回歸參數(shù)；為分類損失的歸一化因子，為回歸損失的歸一化因子，為損失權(quán)重系數(shù)，為分類損失函數(shù)；為回歸損失函數(shù)：FastR-CNN提取RoI特征，基于RPN生成的候選區(qū)域通過RoIPooling從卷積特征圖裁剪固定大小的特征，并使用全連接層對每個候選特征進行類別判別和邊界框精修，獲取疵點候選區(qū)域；所述多模態(tài)檢測模型，具體如下：基于改進R-CNN架構(gòu)構(gòu)建多模態(tài)檢測模型，使用自定義模塊引入通道注意力機制和空間注意力機制，突出疵點重要特征；通道注意力，強調(diào)特征圖中重要的通道，通過全局平均池化和全局最大池化生成通道注意力McX：McX=σsW1δW0FaX+W1δW0FmX；其中，σs為Sigmoid激活函數(shù)；δ為非線性激活函數(shù)；W0和W1為權(quán)重矩陣；FaX，F(xiàn)mX分別是輸入特征圖X的全局平均池化和全局最大池化操作；空間注意力MsX，用于強調(diào)特征圖中有特征顯著的區(qū)域：MsX=σsf7×7[FaX;FmX]；其中，f7×7表示使用一個7×7的卷積核進行卷積操作；同時學習分類任務和邊界框回歸任務；結(jié)合注意力模塊的輸出，生成用于疵點識別的類別概率和用于精確定位的邊界框預測；損失函數(shù)L包括分類損失使用交叉熵損失Lcls，回歸損失使用平滑L1損失Lreg： ；其中：為分類損失，用于評估預測結(jié)果p與真實標簽之間的差異；為回歸損失，用于評估預測的邊界框參數(shù)與真實參數(shù)之間的差異；為超參數(shù)；a表示第a個樣本,表示二值開關變量，決定第a個候選框是否需要計算邊界框的回歸損失。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人福建宇邦紡織科技有限公司，其通訊地址為：350000 福建省福州市福州元洪開發(fā)區(qū)(城頭鎮(zhèn))元城路3號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。